NeuralMAG:基于深度学习的高效微磁学模拟方法研究
ID:417 View Protection:ATTENDEE Updated Time:2025-04-21 21:48:40 Hits:1632 Invited speech

Start Time:2025-05-11 14:30(Asia/Shanghai)

Duration:20min

Session:N 数据驱动表面工程论坛 » N2下午场

No files

Abstract
微磁学模拟是磁存储设计和自旋电子学研究的重要手段,它基于朗道-利夫希茨-吉尔伯特(LLG)方程计算磁性系统的动力学演化。然而,由于全局卷积对退磁场计算的限制,模拟速度一直是微磁学方法的瓶颈。本报告提出了一种名为NeuralMAG的深度学习新框架,通过在传统的微磁学模拟框架中引入U型神经网络(Unet)来加速微磁学模拟。理论分析表明,通过提取不同尺度的特征并学习局部相互作用,并将它们累积起来以近似全局退磁场能够大幅降低计算复杂度,实现高效的大规模模拟。与专注于端到端任务特定近似的现有方法不同,NeuralMAG框架针对核心计算,具有很好的泛化性,可作为微磁学模拟的通用工具。
 
Keywords
机器学习,深度神经网络,磁性薄膜,微磁学模拟
Speaker
蔡云麒
副研究员 中国科学院物理研究所

Submission Author
蔡云麒 中国科学院物理研究所
江南李 昆明理工大学
王东 清华大学
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    May 09

    2025

    to

    May 11

    2025

  • May 11 2025

    Registration deadline

  • May 14 2025

    Abstract Submission Deadline

  • May 14 2025

    Draft paper submission deadline

  • Aug 07 2025

    Contribution Submission Deadline

Sponsored By
中国机械工程学会表面工程分会
Organized By
天津大学
中国地质大学(北京)
海南大学
北京科技大学
Contact Information